Escolha do número de perfis

Para o modelo de GoM, não há um procedimento padrão para a determinação do número ótimo de perfis, de forma que essa decisão depende de regularidades empíricas observadas nos dados, as quais podem ser reproduzidas, com alguma fidelidade, por um modelo. Ademais, essa decisão depende, também, do objetivo a que se propõe o estudo (Berkman et al, 1989).

Nesse sentido, a escolha do número de perfis pode ser baseada em critérios estatísticos e/ou conceituais. Autores defendem que a utilização somente do critério estatístico permite que os agrupamentos surjam sem a pré-concepção do pesquisador acerca de qual é o número de grupos ideal, na tentativa de eliminar qualquer viés na definição dos grupos (Cardoso et al, 2011).

Outros autores, no entanto, defendem a determinação do número com base na avaliação da “significância substantiva” dos perfis encontrados pelo modelo (Pereira et al, 2007). A ideia consiste em verificar se, com a inclusão de um novo perfil, as mudanças observadas poderiam ser justificadas do ponto de vista teórico. Em outras palavras, se o perfil adicionado é “interpretável” à luz da literatura.

Floriano et al (2006) apontam que, ao avaliar um modelo, vários fatores devem ser considerados. Critérios estatísticos são utilizados para avaliar a suficiência descritiva de um modelo, bem como a sua generalização e simplicidade. No

entanto, a qualidade de um modelo também depende de sua interpretabilidade, a qual depende de avaliações muitas vezes subjetivas, mas não menos importantes.

Como a doença estudada nesse trabalho é rodeada de co-morbidades, as quais podem levar a caminhos bem distintos até a morte, e não se sabe se todos esses caminhos estão bem estabelecidos na literatura, optou-se por utilizar os dois critérios de forma conjunta para a escolha do número de perfis. Além de avaliar a possibilidade de interpretação do número de perfis, utilizou-se o Critério de Informação de Akaike (Akaike Information Criterion – AIC) (Akaike, 1974; Corder et al, 2005) para definir o modelo de representação mais adequado (2, 3, 4 ou 5 perfis) do problema em estudo. O AIC auxilia decidir qual modelo de partição difusa é o mais adequado, considerando a complexidade do modelo estimado, bem como o quão adequado o modelo é aos dados. Para escolher o número de perfis com base apenas no critério, deve-se selecionar aquele com menor AIC. O AIC é um critério quantitativo que pode auxiliar na escolha da ordem do modelo e está associado à sua generabilidade, ou seja, na capacidade do modelo em descrever não somente os dados da amostra em estudo, mas também de toda a população ao longo do período em estudo. (Floriano et al, 2006; Sobral & Barreto, 2011). Embora seja um critério amplamente aceito e utilizado, possui limitações, entre as quais a possibilidade de falhar na escolha do modelo mais parcimonioso (Sobral & Barreto, 2011). Nesse sentido, o AIC não deve ser utilizado como critério único de escolha de um modelo.

A significância da inclusão de K+1 perfil foi testada, ajustando pelo maior número de graus de liberdade no modelo com o maior número de perfis (Corder et al, 2005). O AIC é calculado por meio da seguinte expressão:

p L AIC2ln( )2

Onde ln(L) é o logaritmo da verossimilhança e p é o número de parâmetros estimados do modelo (total de gik e λkjl). O menor valor de AIC indica o modelo com melhor ajuste e menor viés (Corder et al, 2005).

4.3.1.2 Diferenciais por variáveis de estratificação do modelo utilizando o grau de pertencimento

Quanto maior for o pertencimento (gik) de um indivíduo i a um determinado perfil K, maior é a sua similaridade ao perfil em questão e, necessariamente, menor é a proximidade de suas características aos demais perfis. Por exemplo, se um indivíduo i possui um grau de pertencimento de 0,75 ao perfil 1, a soma dos seus gik’s aos perfis 2, 3 e 4 é igual a 0,25. Ou seja, o conjunto de causas de morte do indivíduo i se assemelham com mais “força” ao perfil 1.

Assim, o parâmetro gik pode ser utilizado para análise de diferenciais de variáveis externas ao modelo. Com base em um valor de gik elevado, o qual garanta que um determinado indivíduo tenha as características marcantes de um único perfil, torna-se possível selecionar a parcela da população que se enquadra, com alta similaridade, no perfil em questão. Uma vez selecionada esta parcela populacional com base no ponto de corte, deve-se avaliar se a proporção de indivíduos de um determinado estrato (por exemplo, homens) é estatisticamente diferente dessa mesma proporção na população como um todo. Nesse sentido, torna-se possível avaliar se uma variável é associada a um determinado perfil. Para garantir o alto pertencimento dos indivíduos nos K perfis, utilizou-se o seguinte critério: um indivíduo foi considerado com alto pertencimento de um perfil K se o gik ≥ 0,75. Este critério já foi utilizado por outros pesquisadores (Pereira, 2005; Assis, 2008).

Assim como na análise das causas múltiplas, apresentada no capítulo 5, as variáveis escolhidas para análise de diferenciais foram: idade à morte, sexo, modalidade de tratamento e região de residência, ambas no início do tratamento. A análise de diferença entre proporções foi feita por meio de teste de Quiquadrado de Pearson.

5 ANÁLISE DESCRITIVA DAS CAUSAS MÚLTIPLAS DE

MORTE

O objetivo deste capítulo é apresentar e analisar alguns indicadores de causas múltiplas de morte para os pacientes em TRS no Brasil que vieram a óbito entre 2000 e 2004. Os indicadores foram calculados com base em: (1) número de diagnósticos informados nas declarações de óbito (DO) e; (2) menções das causas de morte nas declarações de óbito. O número médio de diagnóstico por DO é analisado de maneira desagregada por sexo, idade, modalidade inicial de tratamento e região de residência no início do tratamento. A escolha de tais atributos se baseou na literatura, uma vez que o número médio de diagnósticos por DO apresenta variações para cada um dos estratos escolhidos, conforme discutido no Capítulo 3. A modalidade inicial de TRS, embora não tenha sido discutida no Capítulo 3, foi escolhida por ser uma característica específica da doença em estudo. No caso das menções de causas de óbito nas DO, a análise contempla a contribuição relativa de cada grupo de afecções no espectro total de causas, além da razão CB/CM.

5.1 Número de diagnósticos informados nas declarações de óbito